• Nenhum resultado encontrado

Alertas inteligentes: desenvolvimento de software para otimização dos dados de monitoração.

N/A
N/A
Protected

Academic year: 2017

Share "Alertas inteligentes: desenvolvimento de software para otimização dos dados de monitoração."

Copied!
5
0
0

Texto

(1)

Recebido pelo Programa de Residência Médica em Anestesiologia do Hospital das Clínicas (HC) da Faculdade de Medicina (FM) da Universidade de São Paulo (USP) – HCFMUSP. 1. Engenheiro Eletricista pela Escola Politécnica da USP; Engenheiro de Desenvolvimento da Dixtal

2. Graduanda em Engenharia Elétrica pela Escola Politécnica da USP; Estagiária de De-senvolvimento da Dixtal

3. Bacharel em Ciências de Computação pela Universidade Federal de São Carlos; Coor-denador de Desenvolvimento da Dixtal

4. Mestrado em Engenharia e Administração pelo Massachusetts Institute of Technology; Engenheiro Elétrico pela Escola Politécnica da USP; Gerente Sênior de P&D da Dixtal 5. MBA em Conhecimento Tecnologia e Inovação pela Fundação Instituto de Administração; Engenheira Elétrica pela Escola Politécnica da USP; Gerente de P&D da Dixtal 6. Médica do Programa de Residência Médica em Anestesiologia do HCFMUSP 7. Médica; Professora Livre-Docente Associada da Disciplina de Anestesiologia da FMUSP; Diretora da Divisão de Anestesia do Instituto Central do HCFMUSP.

Submetido em 9 de agosto de 2010

Aprovado para publicação em 12 de agosto de 2010 Correspondência para:

Dra. Maria José Carvalho Carmona Divisão de Anestesia do ICHC

Av. Enéas Carvalho de Aguiar, 255 – 8º andar Cerqueira César

05403-900 – São Paulo, SP E-mail: taberner@yahoo.com

Artigo cientíico

Alertas inteligentes: Desenvolvimento de Software para

Otimização dos Dados de Monitoração

Patrick Marcel Dherte

1

, Mariana Pires Gentil Negrão

2

, Silvio Mori Neto

3

, Rafael Holzhacker

4

,

Vanessa Shimada

5

, Paula Taberner

6

, Maria José Carvalho Carmona, TSA

7

Resumo: Dherte PM, negrão MPG, Mori neto S, Holzhacker R, Shimada V, taberner P, carmona MJc – Alertas inteligentes: Desenvolvimento de Software para Otimização dos Dados de Monitoração.

Justiicativa e objetivos: A monitoração é útil no acompanhamento dos parâmetros vitais e na prevenção, diagnóstico e tratamento de eventos adversos em anestesia. Os alarmes, embora úteis na monitoração, podem causar perigosa dessensibilização do usuário. Objetivou-se descrever o desenvolvimento de software especíico para a integração de parâmetros de monitoração intraoperatória, gerando “alertas inteligentes” que podem auxiliar na tomada de decisões, além de indicar possíveis diagnósticos e tratamentos.

Método: Projetou-se um sistema que permitisse lexibilidade na deinição dos alertas, combinando os alarmes individuais dos parâmetros moni-torados para gerar um alerta mais elaborado. Após o levantamento de um conjunto de alertas inteligentes considerados relevantes no ambiente cirúrgico, um protótipo foi obtido e avaliado, e as sugestões adicionais foram implementadas no produto inal. Para veriicação da ocorrência dos alertas inteligentes, o sistema foi submetido a testes com dados previamente obtidos durante monitoração intraoperatória de 64 pacientes. O sistema desenvolvido permite a análise contínua do conjunto de parâmetros monitorados, veriicando a ocorrência dos alertas inteligentes deinidos na interface do usuário.

Resultados: com o uso do sistema, veriicou-se uma potencial redução de 92% dos alarmes. notou-se que, na maioria das situações em que não foram gerados alertas, os alarmes individuais não representavam situações de risco ao paciente.

Conclusões: A implementação de ferramentas de software possibilita a integração de dados de monitoração e geram informações como eventu-ais diagnósticos ou intervenções. Veriicou-se uma redução potencial expressiva na quantidade de alarmes durante a anestesia. As informações exibidas pelo sistema, algumas vezes, podem ser mais úteis que a análise de parâmetros isolados.

Unitermos: cOMPUtADOR, engenharia de software, cDS; eQUiPAMentOS: Alarmes clínicos; MOnitORizAÇÃO, intraoperatório.

[Rev Bras Anestesiol 2011;61(1): 72-80] ©elsevier editora ltda.

INTRODUÇÃO

A monitoração tem papel importante no acompanhamento da evolução da anestesia e no auxílio a prevenção, diagnóstico e tratamento de eventos adversos, sendo a monitoração míni-ma de umíni-ma derivação eletrocardiográica, da pressão arterial e da oximetria de pulso, além da capnograia em pacientes submetidos a ventilação mecânica, considerada obrigatória

durante anestesia e regulamentada por legislação especíica sobre o assunto (Resolução cfM nº 1.802/06).

cada monitor dispõe um sistema de alarmes conigurado para disparar com diferentes níveis de gravidade, em geral sonoro e/ou luminoso, quando os dados monitorados se afas-tam de valores preestabelecidos ou quando alguma falha no equipamento é detectada. Os alarmes individuais não inte-grados tendem a criar situações de caos acústico 1 que

po-dem não apenas ser incômodas, mas também comprometer a qualidade e a segurança dos cuidados ao paciente 2.

Além disso, diversos estudos revelam uma elevada taxa de falsos alarmes, que podem atingir índices superiores a 90% 2,3.

Um estudo mostrou que, de 1.455 alarmes disparados, ape-nas 8 representaram risco crítico e risco potencial à vida do paciente 4. Outro estudo sugere que os alarmes somente

in-dicam risco ao paciente em 3% dos casos em que são dis-parados e, em 75% dos casos, os alarmes são falsos. isso foi mostrado em uma pesquisa de 50 operações diferentes 5.

O que se pode extrair desses estudos é que a maioria de todos os alarmes baseados em limites tem pouco ou nenhum impacto nos cuidados dos pacientes críticos 2,3.

A grande incidência de falsos alarmes resulta em uma pe-rigosa dessensibilização dos proissionais da área da saúde em relação aos alarmes verdadeiros 3. Um estudo sugere

(2)

dos sistemas de alarme necessita urgentemente de grandes melhorias 3.

O objetivo deste estudo foi descrever o desenvolvimen-to de um software de “alertas inteligentes” baseados na in-tegração de dados de parâmetros de monitoração durante anestesia e em um conjunto de regras coniguráveis pelo anestesiologista. esses alertas fornecem informações impor-tantes sobre o estado do paciente e eventuais situações de risco, que não são claramente evidenciadas pela presença dos alarmes individuais dos parâmetros. essa utilização de múltiplas variáveis também pode ser uma maneira de eliminar falsos alarmes, como mostra Ali e col. 7.

MÉTODO

O estudo atual foi desenvolvido em ambiente laboratorial, com simulação dos dados de monitoração e sem estudo es-pecíico em pacientes. Desenvolveu-se um software especí-ico para a integração dos dados de monitoração e indicação de possíveis diagnósticos, conforme alteração de parâmetro especíico ou de associação de parâmetros. esse tipo de sof-tware se enquadra nos sistemas de suporte à decisão, tam-bém conhecidos como Clinical Decision Support (cDS).

Um sistema cDS é qualquer software desenvolvido para au-xiliar diretamente uma decisão clínica. em tal sistema, carac-terísticas individuais de pacientes são comparadas com uma base de dados com o propósito de gerar alarmes, checklists e até possíveis diagnósticos ou intervenções que são apresenta-dos ao clínico. esses sistemas podem melhorar o desempenho no que diz respeito a dosagem de medicamentos, tratamentos preventivos e até diagnósticos 8. De fato, acredita-se que esses

sistemas podem aumentar a eiciência e melhorar a qualidade do cuidado ao paciente 9. em um estudo bastante conhecido

nessa área, Westenskow e col. 10 mostraram o efeito de alarmes

inteligentes no tempo de resposta dos anestesiologistas, embo-ra esse tipo de sistema ainda não seja largamente desenvolvido, uma vez que requer conhecimentos de programação de softwa-res e de integração com a área clínica 5.

O ciclo de desenvolvimento de um projeto tecnológico in-clui a deinição de requisitos, o desenvolvimento, a veriica-ção de requisitos (testes) e a validaveriica-ção em uso ou ambiente simulado 10. Uma equipe de especialistas em anestesiologia

do Hospital das clínicas da faculdade de Medicina da Uni-versidade de São Paulo envolveu-se no processo e na etapa de deinição das regras que seriam coniguradas para os aler-tas, após o sistema pronto. A equipe foi envolvida também na validação em ambiente simulado.

A partir de levantamento inicial dos dados obrigatórios de monitoração, a equipe de especialistas realizou o levanta-mento das eventuais integrações de alarmes com signiicado clínico. A equipe de desenvolvimento de software se encarre-gou de implementar o sistema que realiza a análise dos da-dos captada-dos pelos equipamentos de monitoração e exibe as mensagens de suporte à decisão deinidas para cada alerta.

O protótipo obtido foi avaliado pela equipe de especialistas e sugestões adicionais foram implementadas no produto inal.

O sistema desenvolvido analisa, de forma contínua, o con-junto de parâmetros monitorados, veriicando a ocorrência dos alertas deinidos na interface do usuário e foi projetado de modo que o anestesiologista tenha bastante lexibilidade na deinição dos alertas.

O disparo de um alerta é deinido por uma ou mais regras lógicas combinadas pelos operadores “OR” e/ou “AnD”. cada regra é, por sua vez, formada por um parâmetro, um operador de comparação (maior que ou menor que) e um valor numéri-co (e.g. frequência cardíaca > 100).

Quando um alerta é formado pela combinação de regras através do operador AnD, será disparado quando todas as re-gras forem veriicadas simultaneamente. no caso do operador OR, pelo menos uma das regras deve ser veriicada para que o alerta seja acionado. A combinação dos operadores permite grande lexibilidade. O operador também pode deinir um tem-po de retardo para o acionamento do alerta, que obriga que a condição de alerta ique ativa por determinado tempo, para que o alerta seja disparado, evitando alguns casos de falsos aler-tas. finalmente, o anestesiologista deve deinir a mensagem que será exibida no momento de acionamento do alerta.

Durante o desenvolvimento foram utilizados simuladores de paciente, e o produto obtido foi submetido a testes em laboratório com os dados de cirurgias reais, com o intuito de veriicar a ocorrência dos alertas inteligentes em ambien-te cirúrgico. Para tanto, recorreu-se a um banco de dados previamente registrado durante estudo desenvolvido por zamper e col. 11, que teve como propósito validar um

sis-tema informatizado para a elaboração de um relatório de anestesia. esse banco de dados contém informações refe-rentes a 64 cirurgias reais de médio e grande porte e sob anestesia geral e regional.

Para cada cirurgia, o número de alertas inteligentes detec-tados foi comparado à quantidade de alarmes individuais dis-parados. Para isso, foram apenas considerados os alarmes dos parâmetros usados nas deinições dos alertas.

RESULTADOS

Os alertas inteligentes usados para esses testes resultaram do levantamento realizado pela equipe de especialistas e encontram-se na tabela i.

Analisando os dados do conjunto das 64 cirurgias, nota-se que foram disparados 514 alarmes e apenas 39 alertas inteli-gentes que eram do tipo bradicardia e hipotensão arterial ou hipertensão arterial e taquicardia, o que representa uma redu-ção potencial de 92% na quantidade de alarmes (tabela ii). Mesmo considerando a importância de alarmes críticos como a baixa SpO2, a associação desse alarme isolado aos alertas

(3)

Tabela I – Alertas considerados para Adultos

Parâmetros Alterados informação do Monitor

Hipercapnia e hipoxemia Avaliar:

PetcO2 > 45 SpO2 < 90

Bradipneia – Depressão Respiratória Desconexão no Aparelho de Anestesia Alteração da difusão pulmonar efeito de fármacos

congestão Pulmonar Derrame Pleural DPOc

Pneumotórax Hipotensão e aumento de pressão venosa central Avaliar:

PA < 60 PVc > 15

Disfunção ventricular

Bradicardia e hipotensão arterial Avaliar:

fc < 50 PA < 60

Bloqueio simpático Hipovolemia

isquemia miocárdica (avaliar St)

Hipertensão arterial e taquicardia Avaliar:

PA > 100 fc > 100

Profundidade anestésica Dor

efeito de fármacos taquicardia, hipocapnia e hipotensão arterial Avaliar:

fc > 100 PetcO2 < 30 PA < 60

Hipovolemia Hipoluxo pulmonar Baixo débito cardíaco Hipoxemia, elevação da pressão venosa central e hipocapnia considerar:

PVc > 12 SpO2 < 90 PetcO2 < 30

embolia pulmonar

Hipercapnia, taquicardia e hipertermia considerar:

PetcO2 > 45 fc > 100 temp > 38ºc

Hipertermia maligna

Hipotermia ou hipertermia, taquicardia e taquipneia Avaliar: temp < 36ºc ou > 38ºc

fc > 100 fR > 20

S.i.R.S. Sepsis

insuiciência respiratória taquicardia, hipocapnia, hipotensão e diminuição de pressão venosa central considerar:

fc > 100 PetcO2 < 28 PVc < 8 PA < 60

Hipovolemia

Tabela II – Ocorrências de Alarmes e Alertas inteligentes

cirurgias total

com alertas Sem alertas

Registro de cirurgias 18 46 64

Alarmes

Hipoxemia (SpO2 < 90 ) 17 33 50

Hipertensão (PA > 100) 85 103 188

Hipotensão (PA < 60) 18 44 62

taquicardia (fc > 100) 47 16 63

Bradicardia (fc < 50) 26 63 89

Hipocapnia (PetcO2 < 30) 4 5 9

Hipercapnia (PetcO2 > 45) 10 7 17

Diminuição de PVc (PVc < 8) 4 0 4

Aumento de PVc (PVc > 15) 13 2 15

taquipneia (fR > 20) 12 5 17

total 236 278 514

Alertas inteligentes

Bradicardia e hipotensão 4 0 4

Hipertensão arterial 35 0 35

(4)

Tabela III – Ocorrências de Alarmes e Alertas inteligentes em nove cirurgias Selecionadas

Registro de cirurgias 115 127 54 57 69 79 89 94 97

Alarmes

Hipoxemia (SpO2 < 90 ) 1 2 0 0 4 2 0 0 8

Hipertensão (PA > 100) 5 11 3 1 0 0 1 2 8

Hipotensão (PA < 60) 1 0 0 0 4 1 1 1 3

taquicardia (fc > 100) 1 1 0 0 6 1 0 0 12

Bradicardia (fc < 50) 0 2 2 4 0 0 3 3 1

Hipocapnia (PetcO2 < 30) 0 0 0 0 1 0 0 0 0

Hipercapnia (PetcO2 > 45) 0 0 0 0 4 0 0 0 0

Diminuição de PVc (PVc < 8) 0 3 0 0 0 0 0 0 1

Aumento de PVc (PVc > 15) 0 11 0 0 0 0 0 2 2

taquipneia (fR > 20) 0 0 0 0 0 0 0 0 0

total 8 30 5 5 19 4 5 8 35

Alertas inteligentes

Bradicardia e hipotensão 0 0 0 0 0 0 0 0 1

Hipertensão arterial 1 1 0 0 0 0 0 0 7

total 1 1 0 0 0 0 0 0 8

39 ocorrências de alertas inteligentes, média de 2,17 alertas por cirurgia. nessas cirurgias, a ocorrência de alarmes atingiu o valor de 236, média de 13 alarmes por cirurgia.

Dentre os casos avaliados, foram selecionados os rela-tórios eletrônicos de anestesia de nove casos de pacientes de alto risco cirúrgico. As ocorrências dos alarmes simples e dos alertas inteligentes foram analisadas a im de veriicar as respectivas condições (tabela iii). Observaram-se 119 situa-ções geradoras de alarmes durante o intraoperatório, sendo 17 causadas por diminuição da SpO2. foram observadas 31

situações geradoras de alarmes de taquicardia e 21 de hiper-tensão arterial , embora em apenas nove situações tenham ocorrido alertas inteligentes indicando a associação de taqui-cardia e hipertensão arterial associados. Por outro lado, den-tre os 15 casos de alarmes isolados de bradicardia e 11 de hipotensão, em apenas uma situação teria ocorrido o alerta de bradicardia associada a hipotensão arterial.

DISCUSSÃO

O presente estudo apresentou uma ferramenta de software para integrar dados de monitoração e gerar informações de possíveis diagnósticos ou intervenções. essas informações podem ser mais úteis para o anestesiologista quando compa-radas com a informação de um único parâmetro.

com base na literatura e nos resultados obtidos neste estu-do, é intuitivo concluir que a enorme taxa de alarmes falsos em um ambiente cirúrgico e a pequena signiicância desses alar-mes no que diz respeito ao impacto nos cuidados ao paciente fazem com que esses alarmes acabem sendo desconsidera-dos ou pelo menos subestimadesconsidera-dos pelo anestesiologista.

nesse contexto, percebe-se que muito pode ser feito para melhorar a qualidade das informações apresentadas pelos sis-temas de alarme durante o acompanhamento da anestesia. Uma forma de tornar os dados de monitoração mais

signii-cativos para o clínico é utilizar um sistema cDS. tal tipo de sistema, além de integrar os parâmetros de monitoração, pode auxiliar na tomada de decisões clínicas. esse sistema permite a compilação de conhecimentos de anestesiologistas em uma série de regras que utilizam a lógica simples. O sistema tam-bém permite que o anestesiologista determine quais regras deverão ser adotadas e quais situações de risco deverão ser observadas.

O primeiro resultado obtido neste estudo foi uma tabela com possíveis combinações lógicas de valores de alguns pa-râmetros, que foi estabelecida por uma equipe de especialis-tas da área.

O aumento na qualidade do atendimento ao paciente devido à exibição das mensagens de possíveis diagnósticos ainda deve ser comprovado mediante estudo a ser realizado com pacientes. concluiu-se que o sistema desenvolvido pode ser útil na prática diária do anestesiologista e as informações exibidas pelo sistema podem, algumas vezes, mostrar-se mais úteis que a análise de parâmetros isolados.

REFERÊNCIAS / REFERENCES

01. Hagenouw RR – Should we be alarmed by our alarms? curr Opin Anaesthesiol, 2007;20:590-594.

02. imhoff M, Kuhls S – Alarm algorithms in critical care monitoring. Anes-th Analg, 2006;102:1525-1537.

03. imhoff M, Kuhls S, Gather U et al. – Smart alarms from medical devices in the OR and icU. Best Pract Res clin Anaesthesiol, 2009;23:39-50. 04. O’carroll tM – Survey of alarms in an intensive therapy unit.

Anaes-thesia, 1986;41:742-744.

05. Dunsmuir D, Daniels J, Brouse c et al. – A knowledge authoring tool for clinical decision support. J clin Monit comput, 2008;22:189-198. 06. Block Jr fe, Rouse JD, Hakala M et al. – A proposed new set of alarm

sounds which satisfy standards and rationale to encode source infor-mation. J clin Monit comput, 2000;16:541-546.

(5)

clinical decision support systems on physician performance and pa-tient outcomes: a systematic review. JAMA, 1998;280:1339-1346. 09. John G, Peter JV, chacko B et al. – A computer-assisted recording,

diagnosis and management of the medically ill system for use in the intensive care unit: a preliminary report. indian J crit care Med, 2009;13:136-142.

10. Westenskow DR, Orr JA, Simon fH et al. – intelligent alarms reduce anaesthesiologist’s response time to critical faults. Anesthesiology, 1992;77:1074-1079.

11. zamper RPc, torres MlA, ferraz Jl et al. – Avaliação de relatório eletrônico de anestesia. Rev Bras Anestesiol, 2010;60:285-301.

Resumen: Dherte PM, negrão MPG, Mori neto S, Holzhacker R, Shi-mada V, taberner P, carmona MJc – Alertas inteligentes: Desarrollo de un Software para la Optimización de los Datos de Monitorización.

Justiicativa y objetivos: la monitorización es útil en el seguimien-to de los parámetros vitales y en la prevención, diagnóstico y tra-tamiento de eventos adversos en anestesia. las alarmas, aunque sean útiles en la monitorización, pueden causar una peligrosa des-ensibilización del usuario. Aquí hemos querido describir el desarrollo de un software especíico para la integración de los parámetros de monitorización intraoperatoria, generando “alertas inteligentes” que puedan ayudar en la toma de decisiones, además de indicar posibles diagnósticos y tratamientos.

Método: Se proyectó un sistema que permitiese la lexibilidad en la deinición de las alertas, combinando las alarmas individuales de los

parámetros monitorizados para generar una alerta más elaborada. Posteriormente a la investigación de un conjunto de alertas inteligen-tes consideradas relevaninteligen-tes en el ambiente quirúrgico, se obtuvo y se evaluó un prototipo, y las sugerencias adicionales fueron implemen-tadas en el producto inal.

Para la veriicación de la incidencia de las alertas inteligentes, el sistema fue sometido a pruebas con datos previamente obtenidos durante la monitorización intraoperatoria de 64 pacientes. el sistema desarrollado permite un análisis continuo del conjunto de parámetros monitorizados veriicando el surgimiento de las alertas inteligentes deinidas en la interfaz del usuario.

Resultados: con el uso del sistema, veriicamos un potencial de re-ducción de las alarmas en el umbral del 92%. notamos también, que en la mayoría de las situaciones en que no fueron generadas alertas, las alarmas individuales no representaban situaciones de riesgo para el paciente.

Conclusiones: la implementación de herramientas de software pueden posibilitar la integración de los datos de monitorización y generar informaciones como posibles diagnósticos o intervencio-nes. Se veriicó una reducción potencial expresiva en la cantidad de alarmas durante la anestesia. las informaciones que el sistema mostró pueden ser algunas veces más útiles que el análisis de pa-rámetros aislados.

Referências

Documentos relacionados

No método criado por Jeff Sutherland e formalizado por Ken Schwaber (SCHWABER e SUTHERLAND, 2013), a equipe de desenvolvimento trabalha de forma unida e com o objetivo

VUOLO, J.H. Fundamentos da Teoria de Erros, Edgard Blucher Ltda, São Paulo, 1992 YIN, R.K. Estudo de caso: planejamento e métodos, Bookman, Porto Alegre, 2005.. Quando a

A tabela 25 apresenta os resultados brutos desta avaliação em relação à característica busca e a tabela 26 exibe o resultado ponderado para esta característica.. A tabela 27

● O SW-CMM (Capability Maturity Model for Software) é um modelo de capacitação de processos de software, desenvolvido pelo SEI (Software Engineering Institute) e patrocinado

Nesta reunião, o ScrumMaster trabalha junto com o Proprietário do Produto e a Equipe de Desenvolvimento para definir qual a carga de tempo que cada funcionalidade do Product

Esse conjunto de função consiste naquelas funções não diretamente relacionada à definição, ao gerenciamento, ao desenvolvimento e ao teste de software, mas que não

Processo de Desenvolvimento de Software: Analises iniciais, ciclo de vida de um processo, modelos de processos de desenvolvimento, padrões de processos, processo unificado;

Para configuração de todos os documentos inteligentes, como por exemplo o workflow, os intervenientes e os alertas, foi usado um conjunto de tabelas que são